面试经验,面试会经常问到的问题


面试经验

理论基础篇

理论基础比较重要,一般面试第一轮会考。

一、数据结构。有些公司比较喜欢考数据结构,链表结构等等,虽然工作中都有现成的工具,但是这些还是要掌握一些,需要会写一些常用的排序、搜索算法。

二、机器学习算法模型。需要会逻辑回归损失函数推导,决策树、GBDT、XGB、随机森林等模型原理。

我这准备了一些题目供大家参考:

1.回归模型和分类模型的评价指标都有什么?

2.ROC曲线如何绘制?

3.什么是word2vec? Attention机制是什么,bert是什么模型

4.gbdt和xgb的区别?

Loss有正则,是GBDT拓展,缺失值自动学习

5.决策树如何决定在哪个特征处分割?

6.bagging和boosting的区别?

7,cnn是如何工作的,解释一下反向传播

8.L1和L2正则区别?

9.强化学习算法,比如Q-learning是如何计算的

10.时间序列算法

11.lgb,xgb有什么区别

12.pyhon 中的数据结构有几种,分别是什么

13.python中zip的用法

项目经验篇

面试过程中最好是自己能掌握主动权,主动抛出做项目时遇到的难点,如何去解决的。尽量自己多说,自问自答。比如数据量太少了,我怎么怎么弄然后搞定了,特征太多了,又如何如何筛选特征、如何构造特征等等。

有个比较常问的问题是如何衡量你现在做的项目做的好坏?这一般用比较偏业务的指标来衡量,可以在AB测试用使用成交率、利润率、点击率等等业务指标来衡量好坏,而不是用评判模型的准确率、ROC等等测试指标。

项目中用到的模型一定要特别熟练,比如用到了LSTM,基本的t三个门如何计算的都要能讲出来。

数据分析能力也是很多领导比较看重的,因为有很多工作其实可能不是在做模型,而是在做策略,那么此时数据分析能力就很重要了,而且总不能一直在写代码吧,写好PPT就需要贴上各种分析报告。

祝各位面试成功!
已邀请:

要回复问题请先登录注册

收藏七月在线,一起向大牛进阶

ctrl+D或command+D可以快速收藏哦~